Snowy: Numpy加速的圖像處理庫

Snowy是一個能夠處理和生成圖像的小模塊。它具有以下特徵：

• 淺顯易懂的API介面（只有開源函數組成）。

• 純Python3 語言編寫。

• 使用numba進行加速優化。

• 可配置的邊界條件（參見校正模式）。

Snowy 並不把圖片定義為一個類對象，而是定義為一個三維numpy數組，該三維數組以行為主序。舉個例子，RGB圖像具有形狀[高度，寬度，3 ]，灰度圖像具有形狀[高度，寬度，1 ]。Snowy提供了一些實用功能，使其易於與其他模塊一起工作（參見互用性）。

安裝和更新Snowy，請執行如下命令：

pip3 install -U snowy

以下部分代碼首先對圖片進行尺寸調整，然後進行模糊化處理，最後把處理後的圖片和原始圖片水平連接在一起。

以下部分代碼首先使用最近鄰濾波器對對圖片進行放大，再使用默認的米切爾濾波器進行放大。

旋轉和翻轉

如果您需要對圖片進行裁剪，只需使用numpy的切片功能即可。

例如，如下代碼將載入一張OpenEXR格式的圖片，並截取圖片的上半部分。

順便說一句，如果您對色調映射以及其他的HDR操作感興趣的話，務必看一下hydra模塊。如果您只是想簡單載入或者存儲原始雙精度數據的話，可以考慮使用npy文件，而不是用圖像文件。相對應的函數是numpy.load(filename) 和 numpy.save(filename, array)。

如果您要將某張圖片的一部分複製到另外一張圖上，只需使用numpy的切片功能即可。

但是您想將兩部分圖片實現source-over（在目標圖像上顯示源圖像）風格的疊加，使用numpy的函數是比較麻煩的。Snowy提供的組合功能使這樣的操作變得更容易：

把模糊處理和合成兩個功能聯合起來使用，可以生成帶陰影效果的圖片，如下

Snowy的generate_noise函數可以生成一個值在[-1，+1 ]之間的單通道圖像。下面的代碼生成了一個可以平鋪的平方雜訊圖像：

如果您對其他類型的雜訊感興趣的話，或者您需要一個超級快的雜訊生成器，你可以試試pyfastnoisesimd.模塊

下面這個例子使用generate_sdf函數從一副黑白圖像產生了有向距離場，圖像由被正方形包圍的兩個圓構成。注意使用歸一化函數（unitize）將圖像值調整到[0,1]之間。

結合Snowy獨特的功能特性和numpy可以生成一些有序的程序化圖像。下面的例子對一個虛構海島生成了對應的海拔圖像。

Snowy的blur, resize, generate_noise, and generate_sdf的函數都有一個wrapx和wrapy參數，默認值是False。這些參數告訴Snowy如何從源圖像邊界外或雜訊函數取樣。

為了幫助大家理解參數的含義，看下面這幅平鋪圖片及其2*2的擴展圖像：

接下來，我們對擴展圖像進行模糊處理：

看到圖片之間的接縫了么？現在我們重新對圖片進行模糊處理，但是在調用blur函數時，將wrapx和wrapy參數設置為True。

形變參數對於2D的雜訊處理也是很有幫助的。一種生成可平鋪梯度雜訊的方法是在圓柱體，圓環面或立方體的表面上對3D雜訊進行採樣。然而，Snowy可以通過arithmetic函數生成2D雜訊，這種方式更加有效。

下面的圖片，我們使用generate_noise函數創建了一個128x256雜訊圖像，沒有使用wrapx參數，然後將其水平擴展兩次：

下面是另一幅梯度雜訊的圖像，但是這次使用了wrapx參數：

Snowy的generate_sdf函數同樣有warp參數，下面是一個4*2擴展的距離場圖像：

下面是同樣的圖像，但是在調用generate_sdf函數時，wrapx和wrapy參數設置為True:

Snowy的演算法要求可處理的圖像是以行為主序的三維float64精度numpy數組，並且顏色通道位於尾部維度中。如果您使用的其他模塊沒有遵循此約定，可以考慮使用以下互操作函數進行格式轉換。

• 若要從灰度圖像尾部添加或移除1單位，請使用reshape 和unshape函數。

• 若要在主維度中交換顏色通道，請使用to_planar 和 from_planar。

• 若要在float64和其他類型之間進行轉換，只需使用numpy。 例如，np.uint8（myimg * 255）或np.float64（myimg）/255。

• 若要交換行列，請使用numpy的swapaxes函數。

英文原文：https://github.prideout.net/snowy/
譯者：少年

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！